Simulação de reuniões do FOMC com agentes baseados em LLM

Resumo

MiniFed é uma estrutura para simular reuniões do Comitê Federal de Mercado Aberto com agentes de modelos de linguagem de grande porte. Seu objetivo é representar os participantes da reunião e o processo decisório do comitê, deslocando o foco do estudo exclusivo dos efeitos das mudanças na taxa dos Federal Funds para a modelagem de como as decisões sobre juros são tomadas. A estrutura é organizada em um fluxo de trabalho de cinco etapas e inclui uma iniciativa para otimizar a composição simulada do comitê.

O artigo relata experimentos em que a estrutura projeta as taxas dos Federal Funds com alta precisão e produz comportamentos dos agentes alinhados aos de seus equivalentes no mundo real. A descrição não informa detalhes sobre conjuntos de dados, métricas de avaliação, horizontes de previsão ou referências de comparação; portanto, não é possível avaliar aqui a força e a generalidade desses resultados. O trabalho trata da simulação de decisões de política e da projeção de taxas; não especifica uma estratégia direta de trading nem demonstra retornos de mercado.

Ideias principais

• MiniFed usa agentes de LLM para modelar participantes e processos nas reuniões do FOMC.
• Seu fluxo de trabalho de cinco etapas busca simular as deliberações do comitê e otimizar sua composição.
• A estrutura busca projetar as taxas dos Federal Funds e reconstruir o processo das reuniões.
• Os experimentos relatados alegam projeções precisas e alinhamento comportamental, mas a descrição disponível omite detalhes da avaliação.
• O artigo se concentra na simulação de políticas, e não em uma estratégia específica de trading no mercado.

Tags

# MiniFed : Integrating LLM-based Agentic-Workflow for Simulating FOMC Meeting


# MiniFed : Integrating LLM-based Agentic-Workflow for Simulating FOMC Meeting









The Federal Funds rate in the United States plays a significant role in both domestic and international financial markets. However, research has predominantly focused on the effects of adjustments to the Federal Funds rate rather than on the decision-making process itself. Recent advancements in large language models(LLMs) offer a potential method for reconstructing the original FOMC meetings, which are responsible for setting the Federal Funds rate. In this paper, we propose a five-stage FOMC meeting simulation framework, MiniFed, which employs LLM agents to simulate real-world FOMC meeting members and optimize the FOMC structure. This framework effectively revitalizes the FOMC meeting process and facilitates projections of the Federal Funds rate. Experimental results demonstrate that our proposed MiniFed framework achieves both high accuracy in Federal Funds rate projections and behavioral alignment with the agents' real-world counterparts. Given that few studies have focused on employing LLM agents to simulate large-scale real-world conferences, our work can serve as a benchmark for future developments.

Exibido na íntegra, com atribuição conforme a licença da fonte. Licença: abstract CC0

Este resumo foi escrito pelo agente de pesquisa da Stratmill com base no original; não é uma cópia da fonte.